AIOps 解决方案专家服务内容说明
验收分项清单 编号 交付阶段 交付物 交付物类型 1 项目调研阶段《项目调研报告》文档 2 方案设计阶段《智能故障发现解决方案》支持 3《定制化业务风险巡检方案》文档 4 方案实施阶段《智能故障发现解决实施方案》文档 5《定制化业务风险...
常见问题-FAQ
重要 标准版最快可在4分钟左右准确发现故障并切换 故障发现时间：GTM可保障故障发现时间，目前默认的健康检查配置可以在故障的4分钟左右准确发现故障并切换；全网生效时间：GTM无法保障全网的最终生效时间，因受限于全国各地运营商的TTL...
概述
系统容错的目标是使系统能够在面对硬件故障、软件错误、通信故障或其他异常情况时，能够继续执行，并且不会导致整个系统崩溃或数据损坏。分布式系统常按云端部署架构划分为IaaS、PaaS、SaaS，每层又都依赖计算、存储、网络资源进行构建，在...
动态与公告
功能/版本 历史版本GTM标准版 新版GTM标准版 新版GTM旗舰版 全网故障恢复时间=故障切换时间+全网生效时间 在健康检查间隔设置为1分钟，TTL60秒，连续失败次数3次的配置下，GTM能在4分钟左右准确发现故障并切换，故障切换后理论上60秒左右...
FAQs
重要 故障发现时间：GTM可保障故障发现时间，目前默认的健康检查配置可以在故障的4分钟左右准确发现故障并切换；DNS切换同步时间：GTM无法保障全网的最终生效时间，因受限于全国各地运营商的TTL缓存设置以及网络环境不同，所以全网生效时间...
产品价格
版本配置 功能项 标准版 旗舰版 全网故障恢复时间=故障切换时间+全网生效时间 在健康检查间隔设置为1分钟，TTL60秒，连续失败次数3次的配置下，GTM能在4分钟左右准确发现故障并切换，故障切换后理论上60秒左右可以全网生效，但实际情况取决...
故障演练
沉淀通用的故障场景，以可控成本在线上故障重放，以持续性的演练和回归方式的运营来暴露问题，不断验证和推动系统、工具、流程、人员能力的提升，从而提前发现并修复可避免的重大问题，或通过验证故障发现手段、故障修复能力来达到缩短故障...
托管节点池节点自动恢复
当发现节点故障时，ACK会根据故障原因触发对应恢复任务，并记录相应的事件。当恢复任务完成后，故障状态解除，节点恢复正常状态。当恢复任务完成后，故障状态依然存在，节点会被置为恢复失败状态。说明 如果集群中存在多个节点池，节点池...
GTM实现跨网访问加速与故障切换
概述 方案介绍 大部分企业的应用服务都会使用多个运营商的IP地址，因此可能会存在跨网延迟、丢包、故障不可用等问题，而全局流量管理产品方案可以根据用户请求源地址的运营商，解析就近的应用服务器IP地址，实现就近接入、访问加速、故障...
故障处理流程
SAG-100WM故障处理流程说明 通过SAG-100WM访问阿里云，发现故障，请参见以下流程排查故障：用户收到告警信息或者发现应用不可用。登录智能接入网关控制台，查看设备状态。访问其他公共网站，查看运营商网络状态。硬件排查。查看安全组规则...
GTM如何实现异地容灾
概述 方案介绍 异地容灾是指应用服务部署在不同地域时，当其中一地出现故障时，全局流量管理（简称GTM）可以将出现故障地域的用户访问流量，调度至异地灾备中心，保障用户访问连续不间断。本文将以两地三中心灾备架构为读者讲解异地灾备的...
GTM如何实现同城容灾
概述 方案介绍 同城容灾指应用服务部署是多机房、单地域时，当其中一机房出现故障时，全局流量管理（简称GTM）可实现业务7*24小时稳定运行，即使单机房故障也不影响业务的可持续性，保障用户访问连续不间断。本文将以同城双活的灾备架构为...
故障应急
故障管理体系是围绕故障全生命周期采取的一系列控制流程，包括故障基础数据管理（故障等级定义、应急场景监控覆盖、服务组&值班表管理、故障订阅管理），故障发现（7*24监控值班、智能基线告警），故障应急协同（故障通告及更新、故障应急...
升级ASM实例
在ASM中，控制平面主要由Istio的组件构成，例如Istio-Pilot负责服务发现和流量管理，Istio-Citadel负责安全通信的证书管理等。数据平面 数据平面主要由一系列轻量级的网络代理组成，这些代理部署为服务的Sidecar，与应用程序容器在同一个...
异地应用双活切流
说明 单元（地域）间通信出现故障，将流量，主数据库全部切换到主单元（地域）。a.MSHA会自动将备单元的流量切0，主数据在备单元的也会自动选中，后续会切换单主单元。b.单击 下一步，进入 容灾切换预览，在预览页，可以看到单元前后比例的...
附录：SOFAStack 产品目录
特有的性能推进模式（Performance Bursting Mode）可以大幅提升吞吐量，曾在 2019 年双十一活动中支撑 54.4 万笔/秒的交易操作。使用简洁易于接入：蚂蚁金融科技（蚂蚁集团）多年沉淀的实操经验使产品具备了快速灵活的接入能力，易于使用与...
应用场景
负载均衡和服务发现支持4层和7层的请求转发和后端绑定。丰富的调度和异常恢复策略支持服务级别的亲和性调度，支持跨可用区的高可用和灾难恢复。微服务监控和弹性伸缩支持微服务和容器级别的监控，支持微服务的自动伸缩。
什么是全局流量管理？
4、故障切换 指当健康检查结果发现用户访问的主地址池集合出现整体不可用时，系统会自动将用户访问流量切换到备地址集合上，可确保应用服务地址故障时，能够用备地址池集合来响应用户的DNS查询请求，从而实现降低业务中断的风险，保障业务...
关键技术竞争力
基于混沌工程的红蓝攻防能力 TRaaS 基于混沌工程、建立演练机制，提供故障注入、演练编排体系能力，支持在不同环境、不同阶段，主动对业务系统进行故障注入，从而在主动观测单应用健壮性的同时，验证整个体系的故障发现能力、应急响应能力...
共享内存通信（SMC）常见问题
通过smc_run启用SMC无效 问题描述 根据 共享内存通信（SMC）使用说明 通过 smc_run./foo 在应用程序维度启用SMC后，使用 smcr l 观察发现没有成功创建的link group，使用 smcss-a 也看不到连接或是看到一侧连接出现回退。问题原因 smc_run ...
Tair选型指南
同城容灾方案★主从节点分别部署在同一地域下两个不同的可用区，当任一可用区因电力、网络等不可抗因素失去通信时，高可用HA系统将执行故障切换，确保整个实例的持续可用。跨地域容灾方案★由多个子实例构成全球分布式实例，所有子实例通过...
云数据库Redis版产品选型必读
同城容灾方案★主从节点分别部署在同一地域下两个不同的可用区，当任一可用区因电力、网络等不可抗因素失去通信时，高可用HA系统将执行故障切换，确保整个实例的持续可用。跨地域容灾方案★由多个子实例构成全球分布式实例，所有子实例通过...
故障基础数据管理
如评判各业务团队的故障发现能力的标准就是故障等级定义的监控发现率等。在定义故障等级的时候，需要从功能等级、业务体量、业务特性、量化影响4个维度进行设计，一个简要的通用故障等级定义参考模板如下：业务量级 功能分类 影响面 P1 P2 ...
网络资源
网络闪断故障可能由多种原因引起，如网络设备故障、电力波动、通信线路故障等。网络闪断会导致数据传输中断，影响系统和应用程序之间的数据传输，频繁的网络闪断可能导致系统或应用程序无法正常运行。常使用的容错策略如下：设备冗余：使用...
容灾预案
4.输入易识别的容灾预案名称，并选择预设的故障地址池，单击 完成 按钮。5.返回预案容灾页面的列表页，并单击 执行 按钮。6.返回全局流量管理页面，访问策略页签下，查看容灾预案的执行结果，下图可以看到当前生效地址已切换至备用地址池...
如何管理故障
故障等级更新：当故障处理过程中或事后复盘，发现故障的影响程度发生变化，在 故障详情 页可以进行故障等级调整如故障升级或故障降级（P1-P4）；变更所属服务：当故障处理过程中或事后复盘，发现故障影响的服务发生变化，在 故障详情 页更...
可运维性咨询服务内容说明
4.2可观测性评估 乙方专家团队通过对甲方应用系统和云平台的调研，评估系统在监控方面的完善度，并基于云上最佳实践，帮助甲方设计包括资源监控、应用监控、容器监控、业务监控、前端监控、小程序监控、APP监控、服务调用链追踪的端到端...
应用场景
Node.js 提供的精确到虚拟机级别的深度监控，能够如实的反应应用运行状态，通过配置报警规则，用户可以在发现系统出现故障（内存泄露或者 CPU 热点等）趋势时，通过诊断接口迅速定位故障点。Node.js 性能平台特别适合业务发展迅速、应用...
产品架构
日常巡检、业务监控、故障诊断发现风险事件，并将其上报至风险管理中心，由风险管理中心进行统一调度，如触发故障诊断、应急预案等。运行总览集中展示整个平台的运行状态、风险情况。部署架构 HAS 部署时，需要依赖以下底层服务：数据库 ...
如何管理事件
故障状态：处理中（升级时故障还在处理中），输入发现故障的时间、已恢复（升级时故障已恢复），输入故障生成的时间和故障恢复的时间；所属服务：升级故障所属的 服务；影响服务：选择 影响服务（可多选）；进展摘要：处理人将事件升级为...
阿里云云通信短信服务安全白皮书V1.0
【声明】本安全白皮书著作权归阿里巴巴云计算（北京）有限公司所有（以下简称阿里云云通信），未经阿里云云通信事先书面许可，任何主体不得以任何形式复制、修改、传播全部或部分内容。本白皮书仅供参考，对于本文档中的信息，阿里云云通信...
故障协同处理（基于钉钉）
时间线：展示故障的时间线记录，其中有7个节点必须完善详细内容，节点已用红星标注，包含：故障发生、故障发现、故障通告、业务响应、初因定位、恢复执行和故障恢复。节点记录和PC端故障时间线保持一致。复盘 按钮：故障恢复后，需进行故障...
GetProblem-故障详情
problemStatus Integer HANDLING 故障状态 HANDLING 处理中 RECOVERED 已恢复 REPLAYING 复盘中 REPLAYED 已复盘 CANCEL 已取消 problemLevel Integer P1 故障等级 1=P1 2=P2 3=P3 4=P4 discoverTime String 2010-03-09 15:53:45 发现时间 ...
查询故障列表
REPLAYED 已复盘 CANCEL 已取消 problemLevel String P1 故障等级 1=P1 2=P2 3=P3 4=P4 discoverTime String 2020-09-08 15:59:59 发现时间 recoveryTime String 2020-09-08 15:59:59 恢复时间 relatedServiceId String 1 关联服务ID ...
获取故障通知预览
RECOVERED 已恢复 REPLAYING 复盘中 REPLAYED 已复盘 CANCEL 已取消 problemLevel String P2 故障等级 1=P1 2=P2 3=P3 4=P4 discoverTime String 2021-02-21 00:00:00 发现时间 recoveryTime String 2021-02-21 00:00:00 恢复时间 ...
EMR Kafka磁盘故障运维
本文以EMR Kafka 2.4.1版本为例，介绍Kafka磁盘故障运维的操作。业务场景 Kafka将日志数据存储到磁盘中，当磁盘出现故障时，会导致磁盘IO能力下降、集群吞吐下降、消息读写延时或日志目录offline等问题。这些情况有可能影响到线上业务平稳...
异地双活切流
说明 单元（地域）间通信出现故障，将流量，主数据库全部切换到主单元（地域）。a.MSHA会自动将备单元的流量切零。b.单击 下一步，进入 容灾切换预览，在预览页，可以看到单元前后比例的对比，和 当前切流服务，如果和您预期不符，请返回 ...
设计方案
故障发现 故障一旦发生，越早发现故障，能够越早进行响应。建议通过以下途径实现故障的快速发现：统一告警：在发现故障后，需要将相关信息及时告知相关人员，包括系统管理员、运维人员等。可以通过短信、邮件、钉钉等方式进行告警，确保...
故障管理
在最高故障等级P1确定的情况下，我们依次降低影响面，形成P2-P4的标准（大体量业务的主路径失败可以考虑P3起，不设置P4级别故障），如30%-20%，45%-30%等影响面对应剩余等级。对于次核心功能（如营销类，注册类等业务），可以在核心功能的...
通信能力技术服务协议
为使用通信能力技术服务，您应当阅读并遵守《通信能力技术服务协议》（以下简称“本协议”）。在接受本协议之前，请您务必仔细阅读本协议的全部内容，特别是免除或者限制责任的条款以及管辖法院的选择条款等，限制、免责条款可能以加粗形式...
- 产品推荐
- 这些文档可能帮助您